بررسی الگوریتم خفاش، رویکرد و کاربردهای آن

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 11,865

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MHAA01_063

تاریخ نمایه سازی: 17 اسفند 1393

چکیده مقاله:

هوش جمعی یکی از قوی ترین تکنیک های بهینه سازی می باشد که بر مبنای رفتارهای گروهی است. الگوریتم خفاش یک الگوریتم الهام گرفته از رفتار جمعی خفاش ها در محیط طبیعی است که در سال 0202 توسط یانگ ارائه شد. این الگوریتم برمبنای استفاده از خاصیت انعکاس صدا توسط خفاش ها است. خفاش ها مسیر و محل دقیق طعمه خود را بوسیله فرستادن امواج صوتی و دریافت بازتاب آن، پیدا می کنند. زمانی که امواج صوتی به سمت فرستنده امواج خفاش باز می گردد، این پرنده میتواند یک تصویر صوتی از موانع روبروو محیط اطراف خود رسم کند و محیط اطراف را به خوبی ببیند. با استفاده از این سیستم،خفاش ها می توانند اجسام متحرک مثل حشرات و اجسام بی حرکت مثل درختان را تشخیص دهند. با بررسی و بهینه سازی این الگوریتم در سیستمها و شبکه های کامپیوتری و تطبیق آن با سیستمهای خبره و هوشمند میتوان به تکنیکهای نوین جهت مسیریابی و تخمین مسافت در کاربردهای هوا و فضا، بهینه سازی سیستمهای پرواز در دید کور با استفاده از خلبان خودکار، رانندگیتوسط خودروهای هوشمند با قابلیت تشخیص موانع ثابت از موانع متحرک، تخمین مسافت و محاسبه تاخیر در گره های شبکه های کامپیوتری، تخمین بار و ترفیک شبکه و بهینه سازی الگوریتمهای هوشمند مسیریابی در روترها و... سایر کاربردهای فنی مهندسی پرداخت. این مقاله به توضیح عملکرد این الگوریتم و کاربردهای متنوع آن پرداخته است.

کلیدواژه ها:

هوش جمعی ، تکنیک های بهینه سازی ، الگوریتم خفاش

نویسندگان

کامبیز مجیدزاده

دپارتمان مهندسی کامپیوتر و فناوری اطلاعات ، دانشگاه صنعتی ارومیه

دریا قاسم پور

کارشناسی ارشد نرم افزار، پردیس علوم و تحقیقات آذربایجان غربی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Kennedy, J. and Eberhart, R _ : particle _ optimization, ...
  • Altringham, J.D. : Bats: Biology and Behavior, Oxford University Press, ...
  • Colin T: The Variety of Life. Oxford University Press, 2000. ...
  • Xin-She, Yang. Bat algorithm: literature review and applications, Int. J.Bio-Inspired ...
  • Yang, X.S. A new Metaheuristic Bat-Inspired Algorithm, in: Nature Inspired ...
  • Khan, K. Nikov, A., Sahai A. A fuzzy bat clustering ...
  • Yang, X.S. Bat algorithm for multi-objective optimization, Int.J. Bio-Inspired computation, ...
  • Kamorasamy, G. and Wahi, A. An optimized k-means clustering techniquen ...
  • Lin, J. H., Chou, C. W., Yang, C. H.Tasi, H.L. ...
  • Nakamura, R. Y. M., Pereira , L.A.M, Costa, K.A., Rodrigues, ...
  • Xie, J., Zhou, Y.Q., Chen, H., A novel bat algorithm ...
  • Jamil, M., Zepernic, H. J., and Yang, X. S. Improved ...
  • Wang, G. G, Guo, L. H., Duan, H, Liu , ...
  • Wang, G, and Guo, Lihong. A novel hybrid bat algorithm ...
  • نمایش کامل مراجع